-
公开(公告)号：CN110598513A
公开(公告)日：2019-12-20
申请号：CN201910437849.8
申请日：2019-05-24
Applicant: 南京大学
Abstract: 本发明涉及一种基于SLEUTH模型的城市开发边界预测方法，包括以下步骤：步骤一、分别获取城市中心城区范围的历史与现状的遥感影像，从每一幅遥感影像中提取IBI指数来构建相应的IBI影像，所述IBI指数由用于反映水体信息的MNDWI指数、用于反映建筑用地信息的NDBI指数以及用于反映植被信息的SAVI或NDVI指数构成；步骤二、采用SLEUTH模型，通过所有的IBI影像进行城市建设用地扩张模拟，在扩张阶段设置预设的严格排除图层作为禁止建设边界。同时，本发明本还通过剔除低承载力区域，并与规划政策以及国土空间管控政策相衔接，对预测的开发边界进行修正。本发明能够科学预测城镇发展极限规模及其扩展方向，并能够衔接相关规划和其他国土控制线。
-
公开(公告)号：CN105913378A
公开(公告)日：2016-08-31
申请号：CN201610216866.5
申请日：2016-04-08
Applicant: 南京大学
IPC: G06T3/40
CPC classification number: G06T3/4038 , G06T2207/10032
Abstract: 一种顾及层次任务依赖的遥感影像并行拼接方法，采取了分层次生成接缝线的方法，将上一层次的计算结果作为下一层次计算的输入数据，具体过程为：首先生成原始遥感影像的有效区；根据已获取的影像有效区生成有效区矢量图层，通过矢量图层获得不同层数相交区多边形，对每一多边形的分水岭变换作为一个任务，当前图层中多边形加入任务队列；再将任务分配给空闲进程进行并行处理，当前层所有多边形处理完毕后再处理上一层标记多边形，直至所有任务都已完成；最终求得各影像最终在拼接影像中的拼接范围，对拼接影像中的各像元赋值。本发明可精确地完成遥感影像并行拼接，并能够解决并行拼接中存在层次任务依赖问题，能够满足实际生产的需要。
-
公开(公告)号：CN103678705A
公开(公告)日：2014-03-26
申请号：CN201310745410.4
申请日：2013-12-30
Applicant: 南京大学
IPC: G06F17/30
CPC classification number: G06F17/30241 , G06F17/30076
Abstract: 本发明涉及一种VCT文件到shapefile文件的矢量数据并行转换方法，该方法首先分别构建VCT文件中文件头、要素类型参数、属性数据结构、注记、几何图形数据和属性数据的要素索引，并统计各图层的几何图形数据类型和包含的几何图形数据数量，并分别对相同几何图形数据类型的图层按照包含的几何图形数据数量进行排序，然后每个图层的点数据累加得到总点数据w，根据进程数p将VCT文件分为p个矢量目标子集，最后p个进程将从VCT文件中解析出的几何图形数据的坐标信息、属性数据与对应要素的图层进行匹配，并将每个图层的数据分别存入到一个单独的shapefile文件。该方法可以通过并行处理实现对矢量地理数据VCT文件的快速转换。
-
公开(公告)号：CN102591709A
公开(公告)日：2012-07-18
申请号：CN201110441737.3
申请日：2011-12-27
Applicant: 南京大学
IPC: G06F9/46
Abstract: 本发明属于高性能地理计算领域，公开了基于OGR的shapefile文件主从式并行写方法。其步骤为：步骤1：输入命令行参数;步骤2：串行的方式创建shapefile目标数据源和图层文件，关闭目标数据源文件；步骤3：打开要处理的shapefile原文件，获取shapefile的各图层及其图形数据量；步骤4：MPI并行初始化，获取进程的编号和数量，并设定主从进程；步骤5：进行数据划分，确定每个从进程处理的shapefile文件中图形的起始FID和终止FID；步骤6：各从进程进入shapefile数据处理。本发明充分利用了计算资源，提高了shapefile文件处理的整体效率。
-
公开(公告)号：CN114943897B
公开(公告)日：2023-11-24
申请号：CN202210611113.X
申请日：2022-05-31
Applicant: 南京大学
IPC: G06V20/10 , G06V10/762 , G06V10/44 , G06V10/26 , G06F17/18
Abstract: 性。本发明涉及基于超像素分割的城镇开发边界划定方法，属于信息自动化技术领域。该方法执行如下步骤：步骤1）数据准备；步骤2）对步骤1）得到结果进行SLIC超像素分割；步骤3）将所述超像素分为显著超像素和非显著超像素，并确定扩展边界与约束边界；步骤4）边界协调与优化，划定城镇开发边界。本发明根据计算的城镇扩展潜力评价和阻隔约束评价，分割提取扩展边界和约束边界，耦合形成最终的城镇开发边界，避免了划分工作对用地规模预测的依赖。根据协调和优化调整规则，经过协调耦合，最终划定城镇开发边界。该方法适应性强，使用本方法可以精确
-
Patent Agency Ranking
公开(公告)号：CN107798357A
公开(公告)日：2018-03-13
申请号：CN201711211756.0
申请日：2017-11-28
Applicant: 南京大学
CPC classification number: G06Q10/0637 , G06K9/6267 , G06Q50/26
Abstract: 本发明涉及一种基于KNN的村庄用地复垦规划模拟方法，步骤包括：获取待复垦规划研究区的村庄用地信息；建立研究区村庄用地的空间和属性数据库；对复垦规划相关环境变量进行量化并存储；对村庄用地的属性数据进行量化处理；通过对各相关因素进行迭代训练确定knn分类模型；使用knn分类模型对待规划村庄用地分类。本方法在自然、人文双重环境下，估计影响村庄复垦的各因素因子的不同权重，使用非参数的knn模拟，预测判断结果更合理科学。
-
公开(公告)号：CN102032903B
公开(公告)日：2012-11-21
申请号：CN201010567507.7
申请日：2010-12-01
Applicant: 南京大学
IPC: G01C11/04
Abstract: 本发明公开了基于Landsat数据源的珊瑚岛礁遥感信息自动提取方法，属于遥感影像地物自动提取领域。其步骤为：遥感影像辐射定标；基于图像的遥感影像大气校正；对遥感影像进行MeanShift滤波，消除条带和椒盐噪声；对影像第5波段进行直方图阈值分割，区分非高潮高地和高潮高地；对于高潮高地区分陆地植被和灰沙/建筑；对于非高潮高地，区分低潮高地和非干出质底；对于低潮高地区分海藻/海草和浅水珊瑚；对于非干出质底区分深水珊瑚和开放水体。本发明能够分阶段逐层次分解地提取出陆地植被、灰沙/建筑、海藻/海草、浅水珊瑚、深水珊瑚5种珊瑚岛礁覆盖类型及开放水体背景信息，实验表明，本发明提取精度较高，能够有效改善珊瑚岛礁遥感调查与监测的效率。
-
公开(公告)号：CN102005034B
公开(公告)日：2012-07-04
申请号：CN201010566893.8
申请日：2010-12-01
Applicant: 南京大学
IPC: G06T5/00
Abstract: 本发明公开了基于区域聚类的遥感影像分割方法，属于遥感影像综合利用领域。其步骤为：用MeanShift算法进行区域预分割，以去除噪声和对像元进行初步集群化；用模糊C均值算法对预分割后的图像进行模糊聚类，对各图像对象的特征进行初步的归纳与识别，得到各对象隶属于某一类别的概率，构成遥感影像的地类概率空间，从而为进一步的区域分割提供对象合并的依据；在聚类图像的概率空间中进行区域分割，通过区域标号将概率空间上相近且类别上相似的像元划分为同一对象。本发明克服了两种原有分割方法的不足之处，能够精确有效地对遥感影像进行分割，经过集成可以批量地完成对遥感影像的分割任务，为更好地从遥感影像提取地物信息提供数据支撑。
-
公开(公告)号：CN102005034A
公开(公告)日：2011-04-06
申请号：CN201010566893.8
申请日：2010-12-01
Applicant: 南京大学
IPC: G06T5/00
Abstract: 本发明公开了基于区域聚类的遥感影像分割方法，属于遥感影像综合利用领域。其步骤为：用MeanShift算法进行区域预分割，以去除噪声和对像元进行初步集群化；用模糊C均值算法对预分割后的图像进行模糊聚类，对各图像对象的特征进行初步的归纳与识别，得到各对象隶属于某一类别的概率，构成遥感影像的地类概率空间，从而为进一步的区域分割提供对象合并的依据；在聚类图像的概率空间中进行区域分割，通过区域标号将概率空间上相近且类别上相似的像元划分为同一对象。本发明克服了两种原有分割方法的不足之处，能够精确有效地对遥感影像进行分割，经过集成可以批量地完成对遥感影像的分割任务，为更好地从遥感影像提取地物信息提供数据支撑。
-
公开(公告)号：CN111062446B
公开(公告)日：2023-05-09
申请号：CN201911355597.0
申请日：2019-12-25
Applicant: 南京大学
IPC: G06F18/243 , G06F18/23213 , G06F16/29 , G06Q50/26
Abstract: 本发明涉及一种基于多源国土资源数据的土地类型分类方法，该方法借助第二次全国土壤普查、土地利用现状调查、地理国情普查、互联网数据等多源数据，融合地貌类型、土壤类型、土地利用类型、土地利用强度等反映土地资源综合特征的属性指标，构建了中尺度土地类型分类系统，并提出了集典型验证与分层验证等于一体的分类结果验证方法体系。本发明旨在提升土地类型研究的效率与实用性，实现土地资源综合信息的精准分类，服务国家国土资源调查、地理国情普查等重大战略应用需求。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.017 seconds)
